基于图算法半监督学习的反洗钱模型可解释性研究  

作　　者：麦庆达 黄小敏(指导)[1] 曹菲菲 

机构地区：[1]广东培正学院经济学院,广州510830

出　　处：《电脑编程技巧与维护》2021年第6期137-141,共5页Computer Programming Skills & Maintenance

基　　金：2020年度广东省科技创新战略专项资金项目《基于机器学习、云计算等金融科技特性的反金融欺诈数据模型应用研究》;“攀登计划”专项资金资助项日,项目编号:pjh20200652;东正院2020学年学生重点科研项目《基于大数据技术、云计算等特性搭建安全多方计算反金融欺诈数据模型的应用研究》(项目编号:paxk1920h021);广东培正学院大学生创新创业省级项目“基于区块链底层特性构建金融多场景下的开放交易、多方信任的反欺诈查询与智能定价平台”(项目编号:S202012059005)的资助。

摘　　要：讨论异常检测、图算法EnvolveGCN在AML中的运用;利用两大数据集,对基准算法进行试验;特别是图结构数据中半监督学习可利用标签传播等。对策建议使用机器学习金融科技赋能反洗钱工作。

关 键 词：异常检测 反洗钱 半监督机器学习 数字货币 图算法的可解释性 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] F832.2[自动化与计算机技术—控制科学与工程]